上海AI Lab最新研究：给视频做深度估计，零成本“打游戏”就搞定了？
视频深度估计一直卡在“没数据”上。这篇来自上海AI Lab、浙大和悉大的论文，直接去游戏里“白嫖”了4万段高精度视频深度数据，再把手里的视频生成扩散模型改成深度估计模型，3步去噪就出结果，跑得比谁都快。效果直接起飞，把之前所有生成式深度模型都甩在身后。
标签：3D渲染
共 57 篇
SceneTok来了：3D场景压成32K token，5秒还能生成
3D场景生成一直卡在两个字：太大。SceneTok偏偏反着来，把场景先压成少量无序token，再把“渲染”和“生成”拆开做，结果是压缩率高得离谱，速度还不慢，挺像把大卡车拆成乐高再开回去。
CVPR 2026新作HIVE-3D：单图生成高保真3D场景，层级体素细化更稳
单图生成3D场景，最难的不是“能生成”，而是“生成后还能不能继续细化且不跑偏”。HIVE-3D把粗场景、2D分割、注意力对齐和体素超分辨率串成一条链，思路很工程，也很实用。
Roblox联合伯克利新作：3D评测管线比模型更关键？
这篇论文最有意思的地方，不是又测出一个“更强的评审模型”，而是直接把评审这件事拆成了管线问题。模型、视角、输入、提示词，谁都别想装作无关；结果也很实在：六视图RGB加规则提示，成了最稳的低成本默认方案。
Microsoft研究院新作Ink3D：视频生成把3D纹理“雕”复杂了
3D贴图最烦的不是“有没有”，而是“能不能把复杂花纹贴得像真的”。Ink3D的思路很直接：几何交给3D模型，纹理交给视频生成，再用烘焙把两边缝起来，工程味很足，也很有启发。
Restore3D来了：破损3D物体形状纹理一起修
这篇论文把“破损3D物体修复”从单纯补几何，推进到形状和纹理一起补，而且还要尽量保住原来没坏的部分。更狠的是，它不是只靠人工标注，而是把补哪里这件事也交给模型自己判断。
低信噪比下更稳的EPI校正，MIT/UCSF/Stanford都在用
这篇论文最有意思的地方，不是“又做了一个畸变校正”，而是把老问题的责任链条拆了：别再先把图像重建得歪歪扭扭，再去补救B0场。它直接从k空间联合估计无畸变图像和B0场，还把旋转视图和高斯原语塞进同一个物理模型里，工程味很浓。
UTTO来了：只用深度做3D开放词汇分割，隐私和精度能兼得吗？
机器人和室内感知一边想“看懂世界”，一边又得守住隐私底线，这事儿一直挺拧巴。UTTO的思路很直接：既然不能看RGB，那就把不确定性当线索，专门修那些“看不稳”的点。
CVPR 2026新作DR-GS：可变形高斯也能重光照
动态高斯最烦的，不是会动，而是 一动就把光照也“焊死”在纹理里 。DR-GS干的事很直接：把几何、光照、材质拆开，再让它们在变形和换光下各司其职。
NVIDIA新作：长视频重光照终于不闪了
长视频重光照最烦的不是“能不能变亮”，而是“每一块都别自己演戏”。这篇 NVIDIA 新作把问题改写成跨块连续翻译，再加暖启动提示，思路很工程，也很实用。
GeoCodeBench来了：3D视觉代码，GPT-5也只拿36.6%
这篇论文很像给大模型出了一张“3D几何博士资格考试卷”。它不只看模型会不会写代码，更看它能不能把论文读对、把几何语义守住，结果相当不客气：最强模型也没过四成。
阿里Home3D 1.0：一张图生成可编辑3D家具
Home3D 1.0 不是单纯“把图变成 3D”，而是把家具商品化这件事拆成几道硬菜：几何、纹理、材质、部件，各管一摊。最有意思的是，它把“可编辑”放到了和“像不像”同等重要的位置，这才像真正面向设计和电商的方案。
